使用 Google Cloud 控制台訓練 AutoML Edge 模型

您可以直接在 UI 中為特定資料類型建立 AutoML Edge (可匯出的) 模型，也可以以程式輔助方式啟動訓練管道工作。您可以使用準備好的資料集建立這個模型。您可以在 Google Cloud 控制台中建立這個資料集，也可以使用 API 建立。Vertex AI API 使用資料集項目訓練模型、測試模型，並評估模型效能。查看評估結果，視需要調整訓練資料集，並使用改善的資料集建立新的訓練工作。

訓練工作可能需要數小時才能完成。 Google Cloud 控制台的 Vertex AI 頁面會顯示訓練狀態。

訓練 AutoML Edge 模型

1. 在 Google Cloud 控制台的 Vertex AI 專區中，前往「Datasets」頁面。

   前往「資料集」頁面

2. 按一下要用來訓練模型的資料集名稱，開啟資料集詳細資料頁面。

3. 如果資料類型使用註解集，請選取要為此模型使用的註解集。

4. 按一下「訓練新模型」。

5. 在「Train new model」頁面中，針對資料類型完成下列步驟：

   圖片

   1. 選取「AutoML Edge」做為訓練方法，然後按一下「Continue」。

   2. 輸入新模式的顯示名稱。

   3. 如要手動設定訓練資料的分割方式，請展開「進階選項」，然後選取資料分割選項。瞭解詳情。

   4. 按一下「繼續」。

   5. 分類模型 (選用)：在「可解釋性」部分，選取「針對測試集內的每張圖片產生可解釋的點陣圖」，即可啟用 Vertex Explainable AI。選擇「視覺化設定」，然後按一下「繼續」。

      這項功能會產生相關費用。詳情請參閱定價。

   6. 選取最符合需求的 最佳化目標。您可以針對準確度、延遲時間或兩者進行最佳化。

   7. 按一下「繼續」。

   8. 在「運算與定價」視窗中，輸入模型訓練時數上限。

      這項設定可協助您設定訓練費用上限。實際耗費的時間可能會比這個值長，因為建立新模型時會涉及其他作業。

   9. 如果您想在模型不再改善時停止訓練，請選取「啟用提早中止訓練」。

   影片

   1. 輸入新模式的顯示名稱。

   2. 按一下「繼續」。

   3. 選取「AutoML Edge」做為訓練方法，然後按一下「Continue」。

   4. 選取最符合需求的 最佳化目標。您可以針對準確度、延遲時間或兩者進行最佳化。

   5. 按一下「繼續」。

      訓練開始後幾分鐘，您可以查看模型的資源資訊，瞭解訓練節點小時估計值。如果您取消訓練，目前的產品就不會產生費用。

6. 點按「開始訓練」。

   視訓練預算 (僅限圖片) 和資料的大小和複雜度而定，訓練模型可能需要花費數小時。您可以關閉這個分頁，稍後再返回查看。模型訓練完成後，您會收到電子郵件通知。

後續步驟

• 評估 AutoML 模型。
• 匯出 AutoML Edge 模型。
• 使用 Vertex Explainable AI 瞭解模型行為。